NETFLIX

Memutuskan Untuk Ditonton-Video Rekomendasi di Netflix

Netflix adalah pemimpin yang tak perlu dari layanan video streaming, terhitung lebih
dari setengah (53%) dari streaming video langganan AS. Amazon Prime Video (25%) dan
Hulu (13%) adalah pesaing terbesar perusahaan. Netflix juga merupakan perusahaan tertua di
kelompok ini, setelah awalnya dimulai sebagai DVD oleh layanan email sewa. Tidak seperti
perusahaan lain yang mendominasi bisnis penyewaan DVD, Netflix berhasil membuat
transisi ke on-demand video streaming dengan berinvestasi dalam teknologi baru dan
mendefinisikan ulang model bisnisnya. Layanan ini sekarang tersedia di 190 negara dan
mengklaim lebih dari 90 juta pelanggan secara global.
Netflix eksekutif kredit sistem rekomendasi perusahaan untuk mengemudi
“pengalaman Netflix” dan meningkatkan profitabilitas (Gomez-Uribe & Hunt, 2015;
Raimond & Basilico, 2016). Anehnya, asal sistem rekomendasi tanggal kembali ke 2000,
ketika Netflix masih layanan sewa DVD. Rekomendasi selama hari-hari awal sebagian besar
didasarkan pada peringkat film anggota. Penilaian seringkali mencerminkan bagaimana orang
ingin dianggap sebagai lawan bagaimana mereka bertindak. Sebagai contoh, data Peringkat
akan cenderung terlalu menekankan berapa banyak orang-orang seperti dokumenter dan film
bahasa asing, sedangkan metrik perilaku memberikan langkah-langkah yang lebih akurat
tentang bagaimana pelanggan menggunakan layanan ini. Hari ini, ketika pelanggan Netflix
menggunakan layanan online, mereka melihat rekomendasi yang dihasilkan oleh beberapa
algoritma yang menggunakan informasi deskriptif tentang pelanggan dan perilaku melihat
masa lalu mereka (Gomez-Uribe & Hunt, 2015). Netflix mengklaim bahwa 75% dari
aktivitas di layanan adalah hasil dari rekomendasi itu menawarkan pelanggan.

Netflix Analytics
Netflix menikmati keuntungan yang signifikan atas saluran televisi tradisional karena
perusahaan mengumpulkan informasi tentang bagaimana pelanggan menggunakan layanan
ini. Netflix dapat membuat pemasaran dan produk keputusan berdasarkan beberapa metrik
perilaku. Anda mungkin akan terkejut dengan rincian Netflix mengumpulkan:
 Perangkat yang Anda gunakan (tablet, Roku, smart TV, dll)
 Dari Mana (kode pos) Anda lihat
 Hari dan waktu Anda menonton
 Ketika Anda berhenti, mundur, atau maju cepat selama melihat
 Bagaimana Anda mencari-kata dan frasa yang digunakan, berapa lama Anda mencari,
dll
 Apakah Anda menonton kredit setelah pertunjukan
 Berapa banyak episode seri Anda menonton
 Apakah Anda menonton semua episode dalam seri
 Berapa lama waktu yang diperlukan untuk menonton semua episode dalam seri
 Berapa jam Anda menghabiskan menggunakan layanan ini
 Apa film dan televisi menunjukkan Anda menonton
 Seberapa sering Anda menggunakan layanan
Selain membuat rekomendasi, Netflix menggunakan informasi untuk melakukan hal berikut:
 Mengidentifikasi pelanggan yang cenderung untuk membatalkan layanan
 Pilih film baru untuk ditambahkan ke katalog mereka
 Memutuskan apakah sebuah acara televisi harus diperbaharui untuk musim lain
 Mengidentifikasi film dan acara televisi untuk menjatuhkan dari katalog
 Tentukan hari dan waktu untuk merekomendasikan film atau acara tertentu
 Tentukan apa untuk merekomendasikan segera setelah melihat film lain atau acara
 Tentukan bagaimana untuk menggambarkan film dan acara (yaitu, panjang vs
deskripsi singkat)

Algoritma rekomendasi pada Netflix

Layar awal Netflix dapat menawarkan hingga 40 baris rekomendasi untuk pelanggan.
Setiap baris yang dihasilkan oleh algoritma yang berbeda dirancang untuk personalisasi
rekomendasi serta menentukan urutan film dan acara terdaftar. Setiap baris didasarkan pada
tema yang berbeda atau alasan untuk judul muncul di baris. Netflix bahkan menggunakan
Halaman Algoritma Generation untuk personalisasi jenis rekomendasi row-level dan pesanan
mereka saat membuat halaman. Beberapa contoh baris rekomendasi yang berbeda meliputi
berikut ini:

Baris Genre
Beberapa baris yang muncul di halaman rumah didasarkan pada film atau acara
televisi genre yang Netflix percaya pelanggan akan tertarik berdasarkan perilaku melihat
masa lalu. baris Genre dihasilkan oleh apa yang disebut Netflix nya Personalized Video
Ranker (PVR). Baris mencerminkan tiga tingkat personalisasi: (1) pemilihan genre, (2)
pemilihan judul-judul tertentu dalam genre, dan (3) urutan judul.

Lanjutkan Menonton
Judul muncul di Lanjutkan Menonton baris sorot konten episodik yang Netflix
berpikir pelanggan mungkin ingin kembali ke. The serdadu Lanjutkan Menonton cara
mengevaluasi baru dilihat video untuk sinyal bahwa pelanggan bermaksud untuk melanjutkan
menonton atau tidak lagi tertarik pada judul. Sinyal-sinyal ini mencakup hal-hal seperti waktu
sejak menonton terakhir, titik ditinggalkan (mid-program, akhir program), jika judul lainnya
telah dilihat sejak, dan jenis perangkat yang digunakan.

Karena Anda Menonton

Karena Anda menyaksikan (BYW) baris didasarkan pada kesamaan video yang
direkomendasikan untuk video masa lalu ditonton oleh pelanggan. Baris BYW ditentukan
oleh Sims Ranker, yang menghasilkan daftar memerintahkan video, berdasarkan kesamaan,
untuk setiap judul dalam katalog. Berbagai isyarat personalisasi kemudian digunakan untuk
lebih menyempurnakan bagian dari video yang benar-benar muncul di baris di halaman
rumah.
Pilihan atas
Tujuan dari baris Top Picks adalah fitur tebakan terbaik Netflix untuk video di
katalog nya yang paling mungkin menarik bagi pelanggan. Top Picks algoritma
menggunakan isyarat dari pelanggan individu bersama dengan melihat informasi
kecenderungan untuk merekomendasikan judul dari antara video yang paling populer atau
top-peringkat dalam katalog.
Netflix percaya bahwa sistem rekomendasi yang memainkan peran penting dalam
kepuasan pengguna dan retensi pelanggan. Sebuah tim pekerja secara teratur memperbarui
sistem dengan algoritma baru dan modifikasi yang sudah ada. Tujuan utama mereka adalah
untuk menghasilkan rekomendasi berkualitas tinggi sehingga pelanggan akan jarang harus
mencari video untuk menonton.

Pertanyaan
1. Anda membaca tentang empat jenis rekomendasi yang Netflix fitur di halaman rumah
mereka. Pikirkan tipe baru baris rekomendasi yang Netflix bisa menggunakan dan
jenis informasi atau metrik perilaku yang akan diperlukan untuk menghasilkan
rekomendasi Anda.
2. Berdasarkan informasi dalam hal ini, akan Anda katakan bahwa Netflix terutama
menggunakan penyaringan berbasis konten, penyaringan kolaboratif, atau keduanya?
Jelaskan jawabanmu.
3. Netflix berkembang secara global. Ketika Netflix pertama memasuki pasar, sistem
rekomendasi dapat menghadapi “mulai dingin” atau “sparsity” masalah. Jelaskan
mengapa hal ini terjadi dan menyarankan cara-cara yang Netflix mungkin
menghadapi tantangan ini.
4. Metrik apa yang menurut Anda Netflix bisa digunakan untuk mengidentifikasi
pelanggan yang cenderung untuk membatalkan layanan ini?
5. Kunjungi Netflix Teknologi Blog http://techblog.netflix.com. Mengidentifikasi tiga
tantangan yang dihadapi perusahaan dalam menghasilkan rekomendasi untuk
pelanggannya.

REFENSI
Sumber: Disusun dari Bulygo (2013b), Alvino dan Basilico (2015), Gomez-Uribe dan Hunt
(2015), Arora (2016), Cheng (2016), Lubin (2016), Nicklesburg (2016), Raimond dan
Basilico (2016 ). (Turban, 01/2018, pp. 195-196)

Turban, E., Pollard, C., Wood, G. (01/2018). Teknologi Informasi untuk Manajemen: On
Strategi Permintaan untuk Kinerja, Pertumbuhan dan Keberlanjutan, Peningkatan etext, Edisi
ke-11 [VitalSource Bookshelf versi]. Diperoleh dari VBK: // 9781118890868